Décompositions de matrice, Orthonormalisation de Gram-Schmidt. 1 Méthode de Gauss et décomposition LU

Transcription

1 Annette Paugam, Octobre Opérations élémentaires, Décompositions de matrice, Orthonormalisation de Gram-Schmidt 1 Méthode de Gauss et décomposition LU La décomposition LU est traitée en détail dans [Ciar] ou [Ser]. Soient K un corps et A = (a i,j ) GL n (K), une matrice inversible telle que les n sous-matrices diagonales k, formée des k premières lignes et des k premières colonnes, soient inversibles. Alors A se décompose de manière unique en un produit LU où U (comme up) est une matrice triangulaire supérieure et L (comme low) est une matrice triangulaire inférieure. En opérant sur les lignes de A, uniquement par des transvections, on la transforme en une matrice triangulaire supérieure U. On utilise, pour faire apparaitre des 0 dans la première colonne, le coefficient a 11 0 et la première ligne. Comme les opérations de la première étape ne change pas le rang des sous-matrices diagonales, elles restent inversibles et l algorithme continue de la même manière, en considérant la sous-matrice inversible, obtenue en ne regardant pas la première ligne et la première colonne et ainsi de suite. On peut, simultanément, agir sur la matrice unité de GL n (K). Par ces actions, la matrice unité se transforme en une matrice triangulaire inférieure. C est en fait la matrice inverse de la matrice triangulaire inférieure L (comme low) dans la décomposition LU de A. On schématise souvent cet algorithme de la manière suivante : a a 1n a n1... a nn... u 1n u nn u l n La matrice de gauche est U = L 1 A et celle de droite est L = L 1. Cette décomposition est unique. (voir [Ciar] page 84 ou [SER] page 90). Si la matrice ne vérifie pas les hypothèses de la décomposition LU, si elle est simplement inversible, on peut, de manière analogue, en agissant sur ses lignes et celles de I, calculer son inverse, ([Art] page 17) ou la décomposer en produit de transvections et d une dilatation. On montre ainsi que GL n (K)

2 Annette Paugam, Octobre est engendré par les transvections et les dilatations.(voir [Gob] page 51 ou [ArnBert] page 249). 2 Décomposition LU et résolution d un système linéaire Pour résoudre un système, on agit de la même manière que pour LU simultanément sur le premier membre des équations (lignes de la matrice correspondante) et sur le second membre b (vecteur en colonne). Si la matrice vérifie les hypothèses de la décomposition LU, on présente les calculs de la même manière. a a 1n a n1... a nn u u 1n u nn b 1... b n b 1... b n Le nouveau système a pour matrice U et pour second membre b = L 1 b. Si la matrice ne vérifie pas les hypothèses de la décomposition LU, le coefficient diagonal de la i-ième étape peut être nul. Si l un des coefficients en dessous est différent de 0, on permute les lignes correspondantes et l on revient ainsi à l algorithme précédent. Si tous les coefficients en dessous sont nuls, on ne fait rien. On passe à la sous-matrice de taille inférieure. La nouvelle matrice du système est alors échelonnée. (voir [Grif]) On résout en commençant par la dernière équation et en remontant. Dans la résolution, les grandes marches correspondent à des variables libres. Par exemple, le système x + 2y + z = 3 z + t = 4 0 = a 0 = 0

3 Annette Paugam, Octobre admet des solutions si et seulement si a = 0. Dans ce cas on le résout en x et z, en fonction des variables libres y et t. Dans Grifone, les variables sont permutées pour reporter les variables libres en dernier. C est peut-être plus simple pour expliquer la théorie, mais, dans la pratique, ce n est pas utile. 3 LU et Cholesky La décomposition de Cholesky est démontrée en détail dans [Ciar] ou [Ser]. Si A GL n (R) est une matrice symétrique définie positive (donc vérifiant les hypothèse pour la décomposition LU), il existe une unique matrice triangulaire inférieure, B, d éléments diagonaux strictement positifs, telle que A se décompose en A = BB t. On utilise la décomposition LU. L idée est de diviser U par sa diagonale U = DU 1. Cette matrice diagonale D, avec l hypothèse, A définie positive, est à coefficients strictement positifs. On en extrait la racine carrée D 1. On obtient : A égale au produit de deux matrices triangulaires : LD 1 et D 1 U u uii u uii u u A =... uii uii L unicité de la décomposition LU permet de prouver que ces deux matrices sont transposées l une de l autre ([Ciar] page 87 ou [Ser] page 96 première méthode). C est la décomposition de Cholesky : A = BB t = LDL t Cette démonstration algorithmique n a pour le moment qu un intérêt théorique puisque, dans la pratique, on recherche directement la matrice B en résolvant les équations non linéaires, BB t = A. Ce calcul n est pas constitué d opérations élémentaires puisqu il introduit, à chaque étape, des racines carrées. (voir [Ciar] page 88 et 89 et [Ser] page 96, deuxième méthode).

4 Annette Paugam, Octobre LU et l orthonormalisation de Gram-Schmidt Soit E un espace euclidien de dimension finie n et (V i ) i=1..n une base de E. Soit A la matrice du produit scalaire <, > de E dans cette base. Considérons alors la décomposition LU de cette matrice. Comme A est définie positive, elle admet une décomposition de Cholesky : A = BB t = LDL t Mais alors L 1 AL 1t = D est la matrice du produit scalaire dans une base orthogonale (V 1,..., V n ) et la transposée de L 1 est la matrice de passage. Ainsi, on peut lire dans les colonnes de la transposée de L 1, c est à dire dans les lignes de L 1, obtenue par la méthode de Gauss, les composantes des (V i ) i=1..n dans la base (V 1...V n ). Compte tenu de la matrice L on voit que V i = V i + i 1 k=1 l i,k V k. On en déduit, pour tout i, V ect(v 1,..., V i ) = V ect(v 1,..., V i ). Les opérations effectuées sur les lignes de A = (< V i, V j >) i=1..n, pour obtenir U, peuvent s interpréter en disant que les coefficients de U sont les produits scalaires < V i, V j >. Comme U est triangulaire supérieure, on en déduit que V i est dans l orthogonal de V ect(v 1,..., V i 1 ). V ect(v 1,.., V i 1 ) V i V i 0 V i proj(v i) On reconnait donc le procédé géométrique de Gram-Schmidt : V i se déduit de V i en lui soustrayant sa projection orthogonale sur V ect(v 1,.., V i 1 ). i 1 proj(v i ) = l i,k V k La triangulation simultanée selon les lignes de A et de I, décrite dans le premier paragraphe donne tous les résultats de l orthonormalisation de Gram- Schmidt. Dans les lignes de L 1, obtenue par la méthode de Gauss, on lit les composantes des (V i ) i=1..n dans la base (V 1...V n ). k=1

5 Annette Paugam, Octobre De plus, la nouvelle matrice du produit scalaire, D, contient les normes aux carrés des vecteurs de la base, ( V 1 2,.., V n 2 ). On les lit sur la diagonale de U. Pour obtenir la base orthonormée, il suffit de diviser chaque ligne de L = L 1 par la racine carré du coefficient diagonal correspondant de U. 5 Décomposition QR et décomposition d Iwasawa Voir [Ser] page 96, [MNE,Test] page 44 et le problème 1998 de mathématiques générales. Soit M une matrice de GL n (R) alors 1. M = QR où Q est une matrice orthogonale, R une matrice triangulaire supérieure à coefficient diagonaux strictement positifs. 2. M = KD 1 T (décomposition d Iwasawa) où K est une matrice orthogonale, D 1 une matrice diagonale à coefficient strictement positifs et T une matrice triangulaire supérieure avec des 1 sur la diagonale. Interprétons M comme la matrice de n vecteurs colonnes, donnés par leur coordonnées, constituant une base de R n, (V 1,.., V n ). On calcule la matrice de Gram des V i : A = M t M = (< V i, V j >) i=1..n. Par l algorithme de Gauss sur A et I, on obtient les deux matrices U et L qui permettent de calculer une base orthogonale (V 1,.., V n ), puis orthonormée (V 1,.., V n ). Les relations V i = V i + i 1 k=1 l i,k V k montrent qu on obtient la matrice des V i en opérant sur les colonnes de M, c est à dire en multipliant M, à droite, par la matrice triangulaire supérieure L t dont l inverse sera noté T. Puis on agit encore sur les vecteurs colonne pour les diviser par leur norme. Si on pose D 1 = u uii la racine carrée de la diagonale de U et R = D 1 T, on obtient la matrice K = Q = MT 1 D1 1, orthogonale, puisque les vecteurs colonnes forment la base orthonormée (V 1,.., V n ). on a M = QR = KD 1 T. C est la décomposition QR et la décomposition d Iwasawa. Dans la pratique, la décomposition QR se calcule par une autre méthode, avec des matrices de Householder (voir [Ciar] page90). L idée est encore géométrique. Soit (e 1,..., e n ) la base orthonormée canonique de R n. On envoie le premier vecteur colonne V 1 de M sur V 1 e 1 par une symétrie orthogonale dont la matrice H 1 est une matrice de Householder. Ainsi H 1 M a pour première colonne V 1 e 1.

6 Annette Paugam, Octobre H 1 : Matrice de Householder V 1 0 H 1 (V 1 ) = V 1 e 1 On continue avec la matrice de taille inférieure obtenue en supprimant la première ligne et la première colonne. On obtient : ( ) V H 0 H 1 M = 0 V et ainsi de suite. On obtient, en n étapes, une matrice triangulaire R, à diagonale positive, et M = H1 1...Hn 1 R = QR. On trouvera des détails pratiques sur cette méthode dans [Ciar] page 90. References [ArnBert] J.M.Arnaudiès, J.Bertin Groupes Algèbres et Géométrie, Ellipes. [Art] M.Artin, Algebra, Prentice Hall. (on y trouve tout sur les modules sur A euclidien, les réseaux,..., etc, avec de bons dessins) [Ciar] P.G.Ciarlet, Introduction à l analyse numérique et à l optimisation, Masson.( toutes les décompositions classiques avec leur complexité). [Gob] R.Goblot, Algèbre linéaire, Scientifika. (de nombreuses remarques intéressantes, précis sur les K[X]-modules et les invariants de similitude). [Grif] J.Grifone, Algèbre linéaire, Cepadues.(bon livre de premier cycle avec des opérations élémentaires. Remettre les vecteurs à la verticale). [Mne,Tes] R.Mneimné, F.Testard, Introduction à la théorie des groupes de Lie classiques, Hermann. (utile pour de nombreux résultats, notamment topologiques, sur les matrices : voir 0.6 page 5) [Ser] D.Serre Les Matrices, Dunod.( synthèse du Ciarlet, un peu de Mneimné-Testard (ch 7) avec, en plus, Perron-Frobenius et module sur A principal. Attention, erreur en haut de la page 3.